Professional Documents
Culture Documents
IE/DI -02/2017
La tasa de interés es el precio del dinero sobre el cual los agentes económicos
toman sus decisiones de ahorro e inversión; adicionalmente, constituye un
elemento fundamental en la determinación de la trayectoria del consumo de la
economía, convirtiéndose por lo tanto en un factor de suma importancia para el
desarrollo y crecimiento económico de cualquier país.
Por su parte, la estimación de datos de panel muestra qué: la tasa de inflación, los
gastos administrativos bancarios, los activos líquidos y el agregado monetario M1,
son variables que inciden en el comportamiento de la tasa de interés activa sobre
operaciones nuevas. Adicionalmente, a diferencia de la metodología de Engle y
Granger, el encaje legal aparece como variable que influye en los movimientos en
la tasa de interés, aunque de forma marginal; no así el tipo de cambio que continuó
resultando no significativo.
2
Contenido
I. INTRODUCCIÓN.......................................................................................... 4
3
I. INTRODUCCIÓN
Dado lo anterior, reviste vital importancia conocer cuáles son los factores
determinantes del nivel de las tasas de interés de mercado. Existen amplios
estudios que se han realizado para un gran número de países, en donde se han
identificado diferentes variables macroeconómicas y microeconómicas que afectan
el nivel de las tasas de interés; entre las primeras se mencionan principalmente
la inflación, la tasa de interés internacional, el tipo de cambio, el encaje legal, el
riesgo país, el déficit público; y para las segundas, se señalan aquellas propias del
sistema bancario como ser: la mora crediticia, los gastos administrativos e
indicadores de rentabilidad, solvencia y eficiencia.
1The General Theory of Employment, Interest and Money; The Classical Theory of the Rate of Interest, John Maynard
Keynes.
4
El objetivo del presente trabajo, es encontrar evidencia empírica sobre las
variables que determinan las tasas de interés activas en moneda nacional sobre
operaciones nuevas2 en Honduras. Para realizar las estimaciones, se utilizaron
datos trimestrales del cuarto trimestre del 2001 al segundo trimestre del 20163.
En el período bajo análisis, que comprende del cuarto trimestre del 2001 al
segundo trimestre del 2016 (2001:Q4-2016:Q2), el comportamiento de la tasa de
interés activa sobre operaciones nuevas en moneda nacional en la economía
hondureña, ha mostrado una tendencia decreciente, al pasar de 22.9% en marzo
de 2002 a 14.2% en junio de 2016. Este comportamiento ha estado influenciado
por diversos factores tanto a nivel macroeconómico como microeconómico, sumado
a medidas de política monetaria que han sido adoptadas con el objetivo de incidir
en forma favorable sobre la trayectoria de esta variable, acorde al entorno
económico prevaleciente en el tiempo.
2 Se eligió la tasa activa sobre operaciones nuevas, ya que es la tasa vigente en el mercado y por lo tanto la que se ve
afectada al modificarse los factores que la determinan.
3 Se seleccionó este período de tiempo debido al programa de mejoramiento y actualización de las estadísticas
macroeconómicas de Honduras, en el cual se implementaron los manuales del SCN93, MBP5 y MEMF que resultó en
nuevas series de las cuentas nacionales, balanza de pagos y cifras monetarias y financieras a partir del 2000.
5
meta operativa para la tasa de interés de corto plazo4, asimismo, favoreció el buen
desempeño económico registrado en esos años. No obstante, a partir del segundo
trimestre de 2007 y hasta el cuarto de 2008, se observa un incremento de 5.9
puntos porcentuales (pp) en la tasa de interés activa nominal, al pasar de 12.6%
a 18.5%, respectivamente, influenciado en gran medida por el alza en la inflación,
la que pasó de 6.2% a 10.8%, en el mismo período, resultado del aumento en los
precios internacionales del petróleo5.
Con el propósito de reducir las presiones inflacionarias generadas por los precios
de los combustibles y de los alimentos, la política monetaria del BCH se vuelve
contractiva, es así que entre agosto de 2007 y julio de 2008 la TPM se incrementa
3.0 pp y la tasa de las Letras del Banco Central de Honduras en Moneda Nacional
(LBCHMN) en 3.17 pp, en similar lapso de tiempo. Estas mayores tasas de interés
de los instrumentos de política monetaria (TPM y de OMA`s) indujeron a que la
tasa de interés del mercado interbancario y la tasa de interés pasiva y activa sobre
operaciones nuevas en moneda nacional del sistema bancario, aumentaran en
3.84 pp, 5.83 pp y 5.92 pp, respectivamente, entre junio de 2007 y diciembre de
2008.
15.0
10.0
5.0
0.0
2002Q2 2004Q2 2006Q2 2008Q2 2010Q2 2012Q2 2014Q2 2016Q2
Nota: Se refiere a las tasas de interés activas y pasivas sobre operaciones nuevas, tasa de interés interbancaria y tasa de interés
promedio ponderado mensual de Letras del BCH en moneda nacional, todas a fin de cada trimestre.
4 Se refiere a La Tasa de Política Monetaria (TPM), la cual fue instaurada en mayo de 2005 y representa la tasa máxima
permitida para las posturas de compra y la tasa mínima para las posturas de venta, en las subastas de Letras del Banco
Central de Honduras dirigidas exclusivamente a las instituciones del sistema financiero nacional.
5 Según datos de Index Mundi, durante el 2008, se registró el precio del petróleo WTI más alto de los últimos 30 años,
llegando en promedio a US$100.00 por barril.
6
instrumentos públicos (OMA’s del BCH y Bonos del Gobierno); asimismo, se
permitió computar las inversiones obligatorias con bonos del Gobierno, con lo que
a pesar que el encaje disminuía, las tasas de interés activas estaban aumentando.
La tasa de interés es el costo por solicitar préstamos, o bien, el precio pagado por
la renta de fondos (por lo general, expresada como porcentaje de la renta),
influyendo sobre las decisiones personales acerca de consumir o ahorrar, comprar
una casa, comprar bonos, o invertir fondos en una cuenta de ahorros. Las tasas de
interés también afectan las decisiones económicas de las empresas y los hogares,
tales como usar sus fondos para invertir en nuevos equipos para las fábricas, o
bien, ahorrar el dinero en un banco, variables claves para el crecimiento económico
de mediano y largo plazo (De Gregorio, 2007 y Mishkin 2014).
En una economía cerrada los factores monetarios internos son los que explican la
formación de las tasas de interés, por lo que la determinación de las tasas internas
de interés dependerá de las condiciones existentes en el mercado de dinero y de
las expectativas de inflación.
De acuerdo con la paridad de Fisher, las tasas de interés nominales para una
economía cerrada se determinan de la manera siguiente:
𝑖𝑡 = 𝑟𝑡 + 𝜋𝑡𝑒
7
por riesgo país. El arbitraje entre las tasas de interés permite determinar la tasa
de interés interna a través de la paridad descubierta de tasas6:
𝑖𝑡 = 𝑖𝑡∗ + 𝛿𝑡𝑒 + 𝜗𝑡
En términos generales, una gran parte de los trabajos relacionados con los
determinantes de las tasas de interés se enfocan en estas dos teorías; es decir
analizando tanto factores internos como externos, y algunos otros en una
combinación de ambos, basados únicamente en variables puramente
macroeconómicas (inflación, tipo de cambio, encaje legal, tasa de interés externa,
riesgo país, etc.)7. Sin embargo, existe otra vertiente que analiza el
comportamiento de las tasas de interés desde un punto de vista microeconómico,
tomando en consideración principalmente elementos propios de la industria
bancaria como cartera en mora, eficiencia administrativa, activos líquidos,
depósitos, solvencia y rentabilidad.
6 De acuerdo con la paridad descubierta de tasas de interés, el diferencial de intereses entre dos países debería ser igual,
en promedio, a la variación esperada de la tasa de cambio. Por ejemplo, si un país A tiene un tipo de interés del 1%, y un
país B tiene un tipo de interés del 2%, podemos deducir que la moneda del país B va a depreciarse en al menos un 1% en
el siguiente mes, año o período a los que hagan referencia dichas tasas de interés.
8
Para el caso de Colombia, Posada y Misas (1995) encuentran que en el período
1958-1992, los determinantes de la tasa media de interés en el largo plazo, han
sido principalmente la tasa real externa de interés y la tasa de inflación, mientras
que la tasa de devaluación presenta poca significancia en los movimientos de la
tasa de interés.
9
teoría económica; no obstante, solo algunas de ellas resultaron significativas; a
continuación, se presenta un análisis gráfico de la relación entre dichas variables
y la tasa de interés activa sobre operaciones nuevas.
Determinación de la Inflación
Para determinar el nivel de inflación se utilizó la variación interanual del Índice
de Precios al Consumidor (IPC) base 2000 a fin de cada trimestre. Los datos
obtenidos corresponden a la serie trimestral desde el 2000 hasta el 2016, la
relación con respecto la tasa de interés se espera que sea positiva, (∂IPC/∂r>0). Si
bien, de acuerdo con el gráfico no se observa una relación tan estrecha entre estas
variables, si se muestra que hay correlación positiva, aunque no tan fuerte como
se esperaría de acuerdo a la teoría, por lo que el signo del coeficiente a estimar
debe tener signo positivo.
2004Q2
2005Q4
2007Q2
2007Q4
2008Q4
2009Q2
2010Q2
2010Q4
2011Q4
2012Q2
2013Q2
2013Q4
2014Q4
2015Q2
2016Q2
2003Q2
2003Q4
2004Q4
2005Q2
2006Q2
2006Q4
2008Q2
2009Q4
2011Q2
2012Q4
2014Q2
2015Q4
10
Tasa de Interés y M1
(Variación Interanual)
50 30
Tasa de Interés-eje izquierdo 25
40
M1-eje derecho
30 20
15
20
10
10
5
0
0
-10 -5
-20 -10
-30 -15
2003Q2
2003Q4
2004Q4
2005Q4
2006Q2
2007Q2
2008Q2
2008Q4
2009Q4
2010Q4
2011Q2
2012Q2
2013Q2
2013Q4
2014Q4
2016Q2
2002Q4
2004Q2
2005Q2
2006Q4
2007Q4
2009Q2
2010Q2
2011Q4
2012Q4
2014Q2
2015Q2
2015Q4
Fuente: Elaboración propia con datos del BCH.
Gastos Administrativos
Para los gastos administrativos se utilizó la información proveniente de la base
de datos de la Comisión Nacional de Bancos y Seguros (CNBS), correspondiendo
al flujo de gastos de fin de cada trimestre. Dado que mayores gastos reducen la
rentabilidad de los bancos, estos tendrían que compensarse con mayores ingresos
vía aumentos en la tasa de interés, por lo que se espera una relación positiva entre
estas dos variables ∂Gadmin/∂r>0.
10 20
0
10
-10
0
-20
-30 -10
2002Q4
2003Q2
2004Q2
2004Q4
2005Q4
2006Q2
2007Q2
2007Q4
2009Q2
2010Q4
2012Q2
2013Q4
2015Q2
2003Q4
2005Q2
2006Q4
2008Q2
2008Q4
2009Q4
2010Q2
2011Q2
2011Q4
2012Q4
2013Q2
2014Q2
2014Q4
2015Q4
2016Q2
11
Al igual que con la inflación la relación entre los gastos administrativos y la tasa
de interés no es fuerte según lo mostrado en el gráfico; sin embargo, se espera que
el signo del coeficiente a estimar sea positivo.
Activos Líquidos9
Para la serie de activos líquidos de los bancos se utilizó información proveniente
de las bases de datos de la CNBS, correspondiendo al saldo de fin de cada
trimestre. Se esperaría que la relación entre las dos variables sea negativa, en
vista que mayor disponibilidad de recursos debería traducirse en una menor tasa
de interés ∂Abliq/∂r<0. Según lo mostrado en el gráfico se puede apreciar que las
tasas de interés y los activos líquidos de los bancos en la mayor parte del período
varían de acuerdo a la teoría, ya que una mayor liquidez por parte de los bancos
se traduce en más oferta de recursos y por ende en un menor precio del dinero.
-30 -20
2002Q4
2003Q2
2004Q2
2004Q4
2005Q4
2006Q2
2007Q2
2007Q4
2009Q2
2010Q4
2012Q2
2013Q4
2015Q2
2003Q4
2005Q2
2006Q4
2008Q2
2008Q4
2009Q4
2010Q2
2011Q2
2011Q4
2012Q4
2013Q2
2014Q2
2014Q4
2015Q4
2016Q2
Fuente: El a bora ci ón propi a con da tos de l a CNBS y del BCH.
9 Incluye: caja, depósitos en el banco central, depósitos en bancos del interior, cheques y valores al cobro, cheques a
compensar, inversiones en letras del BCH y valores garantizados por el gobierno.
10 En términos generales, toda serie de tiempo está compuesta por cuatro elementos: la tendencia, la variación cíclica, la
variación irregular y la estacionalidad. El componente estacional, refleja las fluctuaciones periódicas que ocurren en el año,
por lo general, en la misma fecha y con similar intensidad. Por lo tanto, con la serie desestacionalizada, los agentes
12
En primer lugar, se procedió a realizar el test de raíz unitaria a las series
aplicando los test de Dickey Fuller Aumentado (ADF), Phillips Perron (PP) y
Kwiatkousky, Phillips, Smichdt y Shin (KPSS). Las primeras dos pruebas están
basadas en la hipótesis nula de la existencia de raíz unitaria, mientras la tercera
asume estacionariedad de las series. De acuerdo con las pruebas todas las
variables en niveles son integradas de orden 1, I(1), por lo que se procedió a
especificar el modelo econométrico de largo plazo (también llamado regresión de
cointegración11) por el método de Mínimos Cuadrados Ordinarios.
LTIA -2.687119 I (1) -5.504147 I (0) -2.190524 I (1) -5.52245 I (0) 0.483010 I (0) 0.113023 I (1)
Nivel de 1% -3.550396 -3.550396 -3.548208 -3.550396 0.739000 0.739000
Nivel de 5% -2.913549 -2.913549 -2.912631 -2.913549 0.463000 0.463000
Nivel de 10% -2.594521 -2.594521 -2.594027 -2.594521 0.347000 0.347000
LM1_S -2.109692 I (1) -7.185411 I (0) -1.982425 I (1) -7.25269 I (0) 0.916247 I (0) 0.308437 I (1)
Nivel de 1% -3.548208 -3.550396 -3.548208 -3.550396 0.739000 0.739000
Nivel de 5% -2.912631 -2.913549 -2.912631 -2.913549 0.463000 0.463000
Nivel de 10% -2.594027 -2.594521 -2.594027 -2.594521 0.347000 0.347000
LGADMIN_S -0.592361 I (1) -14.25972 I (0) -0.444784 I (1) -14.33728 I (0) 0.934039 I (0) 0.147316 I (1)
Nivel de 1% -3.550396 -3.550396 -3.548208 -3.550396 0.739000 0.739000
Nivel de 5% -2.913549 -2.913549 -2.912631 -2.913549 0.463000 0.463000
Nivel de 10% -2.594521 -2.594521 -2.594027 -2.594521 0.347000 0.347000
LIPC_S -2.470299 I (1) -4.157497 I (0) -2.921847 I (1) -4.25351 I (0) 0.944338 I (0) 0.559022 I (1)
Nivel de 1% -3.550396 -3.550396 -3.548208 -3.550396 0.739000 0.739000
Nivel de 5% -2.913549 -2.913549 -2.912631 -2.913549 0.463000 0.463000
Nivel de 10% -2.594521 -2.594521 -2.594027 -2.594521 0.347000 0.347000
LABLIQ_S -2.337752 I (1) -5.135893 I (0) -1.933159 I (1) -5.329699 I (0) 0.922724 I (0) 0.249856 I (1)
Nivel de 1% -3.550396 -3.550396 -3.548208 -3.550396 0.739000 0.739000
Nivel de 5% -2.913549 -2.913549 -2.912631 -2.913549 0.463000 0.463000
Nivel de 10% -2.594521 -2.594521 -2.594027 -2.594521 0.347000 0.347000
Nota: Toda la pruebas se realizaron incluyendo la constante.
De las tres pruebas la más utilizada es el test ADF, en la cual suponiendo que 𝑌𝑡
es la serie que se quiere examinar (puede ser en niveles o en primeras diferencias),
el procedimiento adoptado es estimar la significancia del coeficiente asociado con
el valor rezagado de la serie que estamos probando 𝑌𝑡−1 de acuerdo con la siguiente
regresión:
económicos podrán formarse una idea más clara acerca de la dinámica verdadera que rige la evolución de la variable de
interés (Colección de Estudios CEPLAN No.38, diciembre de 1993, pp.59-94.)
11 Se dice que dos o más variables están cointegradas si existe una relación de largo plazo entre ellas. Para más detalles
ver: Series Integradas y Cointegradas: Una introducción. Álvaro Anchuelo, Revista de Economía Aplicada Número 1
(Volumen 1), 1993, págs. 151-164.
13
𝑝
∆ 𝑌𝑡 = 𝛼0 + 𝛼1 𝑌𝑡−1 + ∑ 𝛾𝑗 ∆𝑌𝑡−𝑗 + 𝜀𝑡
𝑗=1
Resultados
El resultado del modelo de largo plazo para la tasa de interés activa sobre
préstamos nuevos del sistema bancario, se presenta a continuación:
Dependent Variable: LT IA
Method: Least Squares
Date: 01/11/17 T ime: 01:10
Sample: 2001Q4 2016Q2
Included observations: 59
12 El ruido blanco gaussiano es una señal aleatoria, caracterizada porque sus valores en instantes de tiempo distintos no
tienen relación alguna entre sí, es decir, no existe correlación estadística entre sus valores.
13 Onanuga, A. Toyin and Shittu, A.M.: Determinants of interest rates in Nigeria: An error correction model, Journal of
Economics and International Finance Vol. 2(12), pp. 261-271, November 2010.
14 Se comprobó que el modelo cumple con todos los supuestos del modelo de regresión lineal clásico. Ver anexos.
14
Donde15:
t-Statistic Prob.*
15
De acuerdo con la prueba ADF se rechaza la hipótesis nula de raíz unitaria, por
lo que se concluye que los residuos son estacionarios y por lo tanto se comprueba
la existencia de una relación de largo plazo entre las variables de la ecuación.
Para validar que los resultados obtenidos en el modelo de corto plazo cumplen con
los criterios que postula la teoría económica, se debe verificar que el coeficiente
que acompaña al mecanismo de corrección de errores tenga signo negativo y sea
significativo. Adicionalmente, cumpliendo con el procedimiento denominado de lo
general a lo específico19 se deben ir eliminando aquellas variables que no
presenten coeficientes significativos dentro de la ecuación.
19 Hendry 1995.
16
De conformidad con los resultados obtenidos, en el corto plazo la tasa de interés
activa sobre operaciones nuevas está influenciada principalmente por cambios en
la inflación ya que de acuerdo al coeficiente estimado por cada 1% que se
incrementa la inflación la tasa de interés lo hace en 1.9%; asimismo, contribuyen
en este comportamiento los gastos administrativos y en menor proporción la mora
del sistema bancario; por su parte el agregado monetario (M1) induce a
disminuciones en dicha tasa; en tanto, los activos líquidos de los bancos no
resultaron significativos en el corto plazo para explicar movimientos en la tasa de
interés.
Datos de Panel
Los modelos de datos de panel consisten en un conjunto de observaciones
conformadas por unidades de sección transversal (por ejemplo, individuos o
empresas) y a través de períodos de tiempo. En ese sentido la estructura esencial
que distingue estos modelos es su carácter bidimensional, una dimensión la
constituye la lista de individuos y otra la forman los diferentes instantes de
tiempo. Asimismo, pueden ser balanceados (el número de períodos incluidos en la
muestra es igual para todos los individuos) o desbalanceados (el número de
observaciones no es el mismo para todos los individuos).
Siendo 𝑌𝑖𝑡 una función lineal que contiene 𝑘 variables explicativas 𝑥𝑘 , donde 𝑘 =
1, 2, … . , 𝐾; 𝑖 = 1,2 … , 𝑁; y 𝑡 = 1,2 … , 𝑁.
17
modelos de series de tiempo ni de corte transversal. Los efectos individuales son
diferentes entre las distintas entidades y son invariables en el tiempo; en tanto
los efectos temporales afectan por igual a todas las unidades individuales del
estudio, pero no varían a lo largo del tiempo.
Los efectos individuales son los llamados efectos fijos, mientras que los temporales
son los efectos variables. El modelo de efectos fijos examina si el intercepto varía
entre individuos o entre períodos de tiempo mientras tanto el modelo de efectos
variables examina diferencias en la varianza del error. El primer modelo por lo
tanto incluye únicamente un set de variables Dummy relacionadas con la sección
cruzada (bancos, en este caso), mientras que el segundo modelo considera dos sets
de variables dummy (bancos y el período de tiempo). Si se asume que el
componente de error y las X’s no están correlacionadas el modelo de efectos
variables sería el apropiado, en tanto si están correlacionados prevalece el de
efectos fijos.
El test de Hausman (1978), es utilizado para elegir entre el modelo de efectos fijos
o efectos variables. La hipótesis nula de este test es que los estimadores del modelo
de efectos fijos y el de efectos variables no son sustancialmente diferentes. El test
estadístico desarrollado por Hausman contiene una distribución Chi-Cuadrada
asintótica, la hipótesis nula es, que el modelo de efectos aleatorios es el más
apropiado contra la alternativa a favor del de efectos fijos.
18
Dependent Variable: LTIA
Method: Panel EGLS (Cros s -s ection weights )
Date: 12/29/16 Tim e: 15:12
Sam ple (adjus ted): 3/01/2006 12/01/2015
Periods included: 40
Cros s -s ections included: 15
Total panel (unbalanced) obs ervations : 542
Linear es tim ation after one-s tep weighting m atrix
Effects Specification
19
VI. CONCLUSIONES
20
VII. BIBLIOGRAFÍA
21
Ghasemi, A. y Rostami, M. DETERMINANTS OF INTEREST RATE SPREAD IN
BANKING INDUSTRY. ECOFORUM, Volume 5, Issue 1 (8), 2016.
Glen, P. Jenkings and Lin, Henry B.F.: The Determinants of the Nominal Interest
Rate, an empirical study of the Canadian Case.
22
Onanuga, A. Toyin and Shittu, A.M.: Determinants of interest rates in Nigeria:
An error correction model, Journal of Economics and International Finance Vol.
2(12), pp. 261-271, November 2010.
Ruiz-Porras, A. Econometric Research With Panel Data: History, models and uses
in México.
23
VIII. ANEXOS
Normalidad
Largo Plazo Corto Plazo
12 14
Series: Residuals Series: Residuals
Sample 2001Q4 2016Q2 12 Sample 2002Q3 2016Q2
10
Observations 59 Observations 56
10
8 Mean -6.79e-15 Mean -3.10e-18
Median 0.001415 8 Median 0.007040
6 Maximum 0.069290 Maximum 0.061468
Minimum -0.102745 6 Minimum -0.073268
Std. Dev. 0.030173 Std. Dev. 0.028472
4 Skewness -0.649042
Skewness -0.289007 4
Kurtosis 4.235907 Kurtosis 3.018000
2 2
Jarque-Bera 4.576356 Jarque-Bera 3.932477
Probability 0.101451 0 Probability 0.139982
0
-0.10 -0.08 -0.06 -0.04 -0.02 0.00 0.02 0.04 0.06 -0.08 -0.06 -0.04 -0.02 0.00 0.02 0.04 0.06
Autocorrelación
Largo Plazo Corto Plazo
F-statistic 3.148822 Prob. F(2,50) 0.0515 F-statistic 0.126175 Prob. F(2,48) 0.8818
Obs*R-squared 6.599939 Prob. Chi-Square(2) 0.0369 Obs*R-squared 0.292868 Prob. Chi-Square(2) 0.8638
24
Date: 01/11/17 Time: 01:44
Date: 01/11/17 Time: 01:42 Sample: 2001Q4 2016Q2
Sample: 2001Q4 2016Q2 Included observations: 56
Included observations: 59 Q-statistic probabilities adjusted for 5 dynamic regressors
Autocorrelation Partial Correlation AC PAC Q-Stat Prob Autocorrelation Partial Correlation AC PAC Q-Stat Prob*
Heteroscedasticidad
F-statistic 1.587868 Prob. F(6,52) 0.1694 F-statistic 0.291065 Prob. F(5,50) 0.9157
Obs*R-squared 9.135880 Prob. Chi-Square(6) 0.1661 Obs*R-squared 1.583865 Prob. Chi-Square(5) 0.9032
Scaled explained SS 11.48204 Prob. Chi-Square(6) 0.0746 Scaled explained SS 1.274012 Prob. Chi-Square(5) 0.9376
El modelo de regresión lineal exige como hipótesis básica que la varianza de las
perturbaciones aleatorias, condicional a los valores de los regresores X, sea
constante. Esto es muy importante porque el análisis de regresión condicional de
“y” sobre “x” implica que, si se quiere obtener un parámetro de relación estable y
útil entre ambas variables, los valores muestrales de “y” deben mostrarse
igualmente dispersos ante variaciones de “x”.
25
Estabilidad
12
20
8
10
4
0 0
-4
-10
-8
-20
-12
-16 -30
2009 2010 2011 2012 2013 2014 2015 2016 04 05 06 07 08 09 10 11 12 13 14 15 16
1.4
1.4
1.2
1.2
1.0
1.0
0.8
0.8
0.6
0.6
0.4
0.4
0.2
0.2
0.0
0.0
-0.2
-0.2
-0.4
-0.4
2009 2010 2011 2012 2013 2014 2015 2016
04 05 06 07 08 09 10 11 12 13 14 15 16
En las gráficas se observa que los test cusum en la ecuación de largo plazo
muestran cierta inestabilidad misma que se corrige en la ecuación de corto plazo,
en cuanto a la prueba de cusum cuadrado y las gráficas no se salen de las bandas
de confianza, con lo cual podemos concluir que los parámetros de ambas
ecuaciones son estables a un nivel de confianza del 95%.
26
Test de Coeficientes Recursivos Ecuación de Largo Plazo
8.0 -0.6 .5
7.5 -0.8 .4
7.0 -1.0 .3
6.5 -1.2 .2
6.0 -1.4 .1
II III IV I II III IV I II III IV I II III IV I II III IV I II III IV I II II III IV I II III IV I II III IV I II III IV I II III IV I II III IV I II II III IV I II III IV I II III IV I II III IV I II III IV I II III IV I II
2010 2011 2012 2013 2014 2015 2016 2010 2011 2012 2013 2014 2015 2016 2010 2011 2012 2013 2014 2015 2016
-.04
1.6 -.10
-.06
1.2 -.15 -.08
-.12
0.4 -.25
-.14
.12
.08
.04
.00
-.04
II III IV I II III IV I II III IV I II III IV I II III IV I II III IV I II
2010 2011 2012 2013 2014 2015 2016
0.0
.0
-0.5
-.1
-1.0
-.2
-1.5
-.3
-2.0
-.4 -2.5
04 05 06 07 08 09 10 11 12 13 14 15 16 04 05 06 07 08 09 10 11 12 13 14 15 16
1.5 25
20
1.0
15
0.5 10
0.0 5
0
-0.5
-5
-1.0 -10
04 05 06 07 08 09 10 11 12 13 14 15 16 04 05 06 07 08 09 10 11 12 13 14 15 16
0.4 .4
0.0 .3
-0.4 .2
-0.8 .1
-1.2 .0
-1.6 -.1
-2.0 -.2
04 05 06 07 08 09 10 11 12 13 14 15 16 04 05 06 07 08 09 10 11 12 13 14 15 16
27
Datos de Panel
Normalidad
50
Series: Standardized Residuals
Sample 3/01/2006 12/01/2015
40 Observations 542
30 Mean 1.23e-18
Median 0.002014
Maximum 0.527240
20 Minimum -0.384462
Std. Dev. 0.128228
10
Skewness -0.100728
Kurtosis 3.224664
0 Jarque-Bera 2.056397
-0.375 -0.250 -0.125 0.000 0.125 0.250 0.375 0.500
Probability 0.357651
Heteroscedasticidad
Category Statistics
28